一种新的弹道目标成像匹配识别算法

为了能充分利用目标的散射中心对弹道目标进行识别,提出利用解线频调的方法,通过对距离向和方位向进行快速傅里叶变换,实现对目标散射中心成像,然后从目标ISAR像中提取目标特征信息,提出了一种新的匹配识别的方法实现对目标的分类识别。该方法利用提取的散射中心的位置和幅度信息,通过构造匹配度矩阵,进而与预设门限比较,判定目标类别。仿真实验及识别性能评估表明,该方法在设定情况下具有良好的目标识别能力。     

模式耦合稀疏贝叶斯MIMO雷达成像

通过压缩感知稀疏恢复理论可利用少量MIMO雷达收发阵元实现对目标的高分辨成像。利用MIMO雷达目标图像的块稀疏特性,将模式耦合稀疏贝叶斯学习算法应用于MIMO雷达成像,首先建立MIMO面阵回波信号模型,引入模式耦合稀疏贝叶斯分层模型,将相邻系数通过共用超参数的方法耦合起来。通过贝叶斯推理得到雷达信号的估计式,再通过EM算法实现对超参数的迭代估计,进而实现对雷达信号的估计,直到信号满足误差允许范围,最后重构信号实现MIMO阵列高分辨成像。仿真实验表明,该方法的成像效果在图像的聚焦性能上优于传统的傅里叶、稀疏贝叶斯算法,在散射点重构上优于OMP算法。     

基于微动参数估计的非对称进动目标三维成像

具有非对称结构的进动目标成像是目前空间目标成像的一个难点。在构建非对称进动目标回波模型的基础上,分析了成像所需的4个微动参数并给出了相应的参数估计方法。在微动参数已知的前提下,提出了一种基于三维复数逆投影变换的进动目标三维成像的方法。首先利用微动参数构建相位补偿因子,之后对时间距离像进行三维搜索,进而实现进动目标的三维成像。最后通过仿真实验验证了所提方法的有效性,同时仿真分析了微动参数估计误差对成像的影响。     

基于窄带雷达组网的高速自旋目标成像

针对单部窄带雷达无法获得高速自旋目标无失真二维像的问题,研究了基于多部窄带雷达组网的自旋目标无失真成像方法。首先在建立自旋目标窄带雷达回波模型基础上,分析了单基窄带雷达成像方法;然后分别研究了基于多幅窄带雷达图像配准的旋转对称目标和非旋转对称目标图像二维定标方法;最后,对配准后的各窄带雷达图像进行融合得到了目标的无失真二维像。仿真实验验证了本文方法的有效性,并分析了算法的鲁棒性。     

基于多观测向量序列降采样恢复的稀疏矩阵重构

二维稀疏信号的重构可以通过解多观测向量的稀疏表示问题来实现。然而,当各向量的稀疏结构不同时,将稀疏恢复算法拓展到多观测向量模型的方法将不再有效。提出了一种序列降采样重构的方法用于实现稀疏矩阵的重构。该方法通过构造降采样矩阵,大幅降低稀疏矩阵信号的稀疏度,再通过多观测向量序列观测和恢复,完成对稀疏矩阵的重构。理论分析表明,所提方法能够实现对高稀疏度矩阵的高概率重构。实验表明,所提算法能够有效地实现二维稀疏信号和图像重构。